現(xiàn)代信用風險管理模型和方法的比較研究

白一池

摘要：受到全球金融危機的影響，信用越來越受到重視。信用風險是商業(yè)銀行面對的一個重要挑戰(zhàn)，也是中小企業(yè)融資的重要依據(jù)，對信用進行管理是當前整治金融環(huán)境的關(guān)鍵。本文介紹了現(xiàn)代信用風險管理模型和方法，并進行了比較研究。

關(guān)鍵詞：信用風險；風險管理；比較研究

信用是買家和賣家不需要立即付款或者財務擔保而進行經(jīng)濟活動的一種制度，完善信用制度有利于優(yōu)化經(jīng)濟環(huán)境。信用風險是指交易雙方未能按照契約完成相關(guān)責任和義務所造成經(jīng)濟損失的風險，是金融風險的主要類型。信用風險關(guān)系著社會利益和企業(yè)利益，因此，對金融風險進行控制，首先要對信用進行嚴格管理。傳統(tǒng)信用管理方法包括專家分析法、信用評級法、信用評分法和人工神經(jīng)網(wǎng)絡分析法。

現(xiàn)代信用風險管理開始于20世紀80年代，金融衍生品越來越多，利率市場化成為大眾趨勢，世界經(jīng)濟體制受到經(jīng)濟債務的阻撓，國際銀行開始普遍關(guān)注現(xiàn)代信用風險管理模型的研究，對此進行計量管理。隨著電子計算機和大數(shù)據(jù)的發(fā)展，各國銀行普遍運用現(xiàn)代化信息數(shù)據(jù)技術(shù)對信用管理進行精細研究，建立了多個高級信用風險管理模型。

一、現(xiàn)代信用風險管理模型和方法簡介

1.Credit metrics模型

Credit metrics模型是一種信用計量模型，由J.P摩根集團和幾個世界銀行共同研究的信用風險的量化模型，主要應用于數(shù)字量化信用風險。他將違約機率、違約后損失和違約相關(guān)系數(shù)組合起來進行信用風險分析，同時在相關(guān)影響因素上進行創(chuàng)新，是一種標準框架的模型。Credit metrics模型認為，貸款企業(yè)的信用狀況、企業(yè)的信用等級會影響商業(yè)銀行的信用風險，企業(yè)經(jīng)營狀況的好壞、股票的波動、投資情況等都會實時反映在企業(yè)信用等級上，這種反映情況是真實成立的，是模型的數(shù)據(jù)之一；債券和貸款的變動受到貸款企業(yè)信用評級的影響，利用轉(zhuǎn)化矩陣所計算的債券和貸款的價格，是模型的數(shù)據(jù)之一。Credit metrics模型以資產(chǎn)組合理論為依據(jù)，一般認為，多元投資可以降低和分散企業(yè)的投資風險，這種投資之間是有相關(guān)聯(lián)系的。Credit metrics模型分析信用風險也不是從單一的工具來考量，通過對每一種信用工具的研究可以得出對企業(yè)的影響。

Credit metrics模型也存在一定的局限性，比如對數(shù)據(jù)處理的技術(shù)還不夠成熟，計算模型不是一成不變的，不同時期不同因素導致的結(jié)果有所不同，轉(zhuǎn)移矩陣并不是萬能的。

2.Credit risk+模型

Credit risk+模型是在保險學理論基礎上提出來的，有財產(chǎn)保險和精算方法的特點。該模型將資產(chǎn)風險評估分為不同的階段，并對每一個階段風險進行風險，具有靈活性，因此能提高資產(chǎn)評估的準確度。Credit risk+模型是一種違約模型，只考慮違約和不違約兩種情形，并且違約率不是唯一，是一種連續(xù)變量而不是離散變量，在隨機設定違約率的情形下，計算預期損失和未預期損失，并分析兩種損失在不同時期的走態(tài)。在運用Credit risk+模型時，首先將商業(yè)銀行的貸款分為若干階段，該模型認為，商業(yè)銀行的違約率接近泊松分布，計算不同階段的違約概率，然后度量不同階段的預期損失和未預期損失，最后將不同階段的加總，得出組合損失分布。因此，該模型評估某個客戶的信用并不是簡單地一個數(shù)值，而是某一時期連續(xù)的變化。

Credit risk+是一種債務人模型，用起來相對簡單，需要的數(shù)據(jù)也少，但是模型中并沒有市場風險和信用等級對貸款影響的設置，債務人的違約風險并沒有根據(jù)其信用等級來設定，是隨機設定的，違約貸款風險在計算時期內(nèi)是不變的，這不符合事實，同時違約風險是模型的重要數(shù)據(jù)，模型使用具有一定的缺陷。

3.KMV模型

KMV模型是KMV公司于1993年發(fā)布的，KMV模型主要計算預期違約概率（Expected Default Frequency， 簡稱EDF），是一種綜合性評估貸款企業(yè)違約的模型。一家貸款企業(yè)是否會在貸款日期到達時違約，是不確定的，但可以根據(jù)企業(yè)這段時間的狀態(tài)進行一系列的研究，來預測企業(yè)的違約狀況。EDF模型主要根據(jù)企業(yè)的資產(chǎn)價值、資產(chǎn)風險、企業(yè)債務水平來設定，優(yōu)點在于有著良好的預測性，該模型的數(shù)據(jù)具有時效性，而不是往年的會計數(shù)據(jù)，綜合考慮了企業(yè)的方方面面，對企業(yè)信用的評估具有靈活性。模型的局限性在于將公司資產(chǎn)劃分過于簡單，且需要大量的數(shù)據(jù)，對數(shù)據(jù)處理的技術(shù)要求比較高，假定公司的資產(chǎn)服從正態(tài)分布，適用范圍窄。

4.Credit Portfolio View 模型

Credit Portfolio View 模型（以下簡稱CPV模型）由麥肯錫咨詢公司開發(fā)，是一種多因素信用風險管理模型，從宏觀經(jīng)濟角度來分析信用風險的評估。該模型假定，信用風險并不是一成不變的，受到多種因素的影響。模型的優(yōu)點在于將宏觀經(jīng)濟因素考慮進去，可以評價國家風險所造成的損失，可以根據(jù)相關(guān)政策調(diào)整資產(chǎn)管理。缺點在于需要長時間的數(shù)據(jù)跟蹤，如果分析多行業(yè)情況，需要的數(shù)據(jù)更為多，否則無法得到違約概率的信息，這會限制該模型的使用。

二、現(xiàn)代信用風險管理模型和方法的比較研究

現(xiàn)代信用風險管理模型有著相同的信用風險構(gòu)成因素，但也有其側(cè)重點，設定的參數(shù)和方法不同，模型適用的范圍也不一樣。

1.風險的定義。Credit risk+模型只考慮違約模式和非違約模式，設定比較單一，Credit metrics模型和KMV模型瞄準市場，關(guān)注一段時期內(nèi)信用等級的波動，CPV模型考慮因素更為廣泛，涉及國家風險。

2.信用風險的來源。Credit metrics模型和KMV模型認為企業(yè)經(jīng)營狀況和資產(chǎn)波動是影響企業(yè)信用等級的關(guān)鍵因素，Credit risk+模型只考慮違約和不違約兩種情況，CPV模型則認為宏觀經(jīng)濟環(huán)境是信用評估的主要因素。

3.信用時間的分布。Credit risk+模型中，違約概率是穩(wěn)定的，其他三個模型違約概率是波動的，且服從不同的概率分布。

4.信用事件的關(guān)聯(lián)性。Credit risk+模型考慮違約和不違約，相關(guān)性定義為假定獨立和預期的違約率相關(guān)上，Credit metrics模型和KMV模型在應用上表現(xiàn)為多變量的正態(tài)性上，CPV模型是因素負載。

5.模型的數(shù)據(jù)研究方法。Credit risk+模型輸入數(shù)據(jù)量少，可以得到組合損失的顯式解，CPV計算量大，且較為復雜，Credit metrics模型分析多個工具，通常使用VAR，KMV模型一般求損失函數(shù)的邏輯分析解。

6.可回收率。Credit metrics模型、CPV模型和KMV模型是隨機的，Credit risk+模型在層次內(nèi)為常量。

三、總結(jié)

通過對四種模型的研究可以發(fā)現(xiàn)，構(gòu)成信用風險的因素相似，不同模型的側(cè)重點和研究方法不一樣，適用對象不同。當前經(jīng)濟變幻莫測，信用管理可以有效地管理風險，據(jù)此優(yōu)化金融環(huán)境，同時也能夠在經(jīng)濟變革的過程中，完善和豐富信用風險管理模型。

參考文獻：

[1]徐波.現(xiàn)代商業(yè)銀行信用風險的測定與管理措施[J].中國市場，2017（22）：67-68.

[2]吳媛，鄧曉盈，湯盼園.探討我國信用風險度量模型的應用[J].價值工程，2017，36（03）：26-28.

[3]崔健. 基于Credit Portfolio View模型的銀行貸款信用風險研究[D].東北財經(jīng)大學，2016.

[4]賈志環(huán). 基于KMV模型我國商業(yè)銀行信用風險度量與管理研究[D].河北經(jīng)貿(mào)大學，2016.

[5]李文.現(xiàn)代信用風險管理模型比較分析[J].金融經(jīng)濟，2016（04）：164-165.

[6]王新軍，吳建華，張穎.現(xiàn)代信用風險度量模型的最新理論研究進展[J].山東財經(jīng)大學學報，2014（04）：5-13+22.

[7]諸葛祥雨. 商業(yè)銀行現(xiàn)代信用風險計量模型在我國的適用性研究[D].西南財經(jīng)大學，2013.